Algoritmii de inteligență artificială pot îmbunătăți crearea de materiale bioscaffold și ajuta la vindecarea rănilor

Inteligența artificială și învățarea automată pot ajuta la vindecarea leziunilor prin accelerarea dezvoltării bioscaffold-urilor imprimate 3D. Bioscaffold-urile sunt materiale care permit obiectelor organice, cum ar fi pielea și organele, să crească pe ele. Un studiu recent realizat de cercetători de la Universitatea Rice a aplicat algoritmi de inteligență artificială dezvoltării de materiale bioscaffold, cu scopul de a prezice calitatea materialelor imprimate. Cercetătorii au descoperit că controlul vitezei de imprimare este crucial pentru dezvoltarea de implanturi bioscaffold utile.

Conform raportului publicat de ScienceDaily, o echipă de cercetători de la Universitatea Rice a colaborat pentru a utiliza învățarea automată pentru a identifica posibile îmbunătățiri ale materialelor bioscaffold. Informaticianul Lydia Kavraki, de la Școala de Inginerie Brown a Universității Rice, a condus o echipă de cercetare care a aplicat algoritmi de învățare automată pentru a prezice calitatea materialului scaffold. Studiul a fost co-autorat de bioinginerul Antonios Mikos, care lucrează la bioscaffold-uri asemănătoare oaselor, care servesc ca înlocuitori de țesut, meniți să susțină creșterea vaselor de sânge și a celulelor și să permită vindecarea mai rapidă a țesuturilor rănite. Bioscaffold-urile pe care lucrează Mikos sunt destinate să vindece răni musculoscheletale și craniofaciale. Bioscaffold-urile sunt produse cu ajutorul tehnicilor de imprimare 3D care produc scaffold-uri care se potrivesc perimetrului unei răni date.

Procesul de imprimare a materialului bioscaffold necesită multe încercări și erori pentru a obține lotul imprimat exact cum trebuie. Diverse parametri, cum ar fi compoziția materialului, structura și spațierea, trebuie luați în considerare. Aplicarea tehnicilor de învățare automată poate reduce multe dintre aceste încercări și erori, oferind inginerilor indicații utile care reduc nevoia de a ajusta parametrii. Kavraki și alți cercetători au putut oferi echipei de bioinginerie feedback despre care parametri erau cei mai importanți, cei mai probabil să afecteze calitatea materialului imprimat.

Echipa de cercetare a început prin analiza datelor despre imprimarea scaffold-urilor dintr-un studiu din 2016 despre polipropilenă fumarată biodegradabilă. Dincolo de aceste date, cercetătorii au elaborat un set de variabile care le-ar fi ajutat să proiecteze un clasificator de învățare automată. Odată ce toate datele necesare au fost colectate, cercetătorii au putut proiecta modele, testa și publica rezultatele în mai puțin de un an și jumătate.

În ceea ce privește modelele de învățare automată utilizate de echipa de cercetare, echipa a experimentat cu două abordări diferite. Ambele abordări de învățare automată s-au bazat pe algoritmi de pădure aleatorie, care agregă arbori de decizie pentru a obține un model mai robust și mai precis. Unul dintre modelele testate de echipă a fost o metodă de clasificare binară care a prezis dacă un anumit set de parametri ar fi condus la un produs de calitate scăzută sau ridicată. Între timp, a doua metodă de clasificare a utilizat o metodă de regresie care a estimat care valori ale parametrilor ar fi condus la un rezultat de calitate ridicată.

Conform rezultatelor cercetării, parametrii cei mai importanți pentru bioscaffold-uri de calitate ridicată au fost spațierea, stratificarea, presiunea, compoziția materialului și viteza de imprimare. Viteza de imprimare a fost variabila cea mai importantă în general, urmată de compoziția materialului. Se speră că rezultatele studiului vor conduce la o imprimare mai bună și mai rapidă a bioscaffold-urilor, îmbunătățind astfel fiabilitatea imprimării 3D a părților corpului, cum ar fi cartilajul, rotulele și maxilarele.

Conform lui Kavraki, metodele utilizate de echipa de cercetare au potențialul de a fi utilizate și în alte laboratoare. Așa cum a fost citat Kavraki de ScienceDaily:

“În lungul timp, laboratoarele ar trebui să poată înțelege care dintre materialele lor pot oferi diferite tipuri de scaffold-uri imprimate și, în foarte lungul timp, chiar să prezică rezultate pentru materiale pe care nu le-au încercat. Nu avem suficiente date pentru a face acest lucru în prezent, dar, la un moment dat, credem că ar trebui să putem genera astfel de modele.”